21.3. 行列分解¶
行列分解 (Koren et al., 2009) は、推薦システムの文献で確立されたアルゴリズムである。行列分解モデルの最初のバージョンは、Simon Funk によって有名なブログ記事で提案され、そこで彼は相互作用行列を因子分解するというアイデアを説明した。その後、2006 年に開催された Netflix コンテストによって広く知られるようになった。当時、メディアストリーミングおよびビデオレンタル企業である Netflix は、推薦システムの性能を改善するためのコンテストを発表した。Netflix のベースライン、すなわち Cinematch を 10 パーセント改善できた最良のチームには、100 万米ドルの賞金が与えられるというものであった。そのため、このコンテストは推薦システム研究分野に大きな注目を集めた。その後、グランプリは BellKor’s Pragmatic Chaos チーム、すなわち BellKor、Pragmatic Theory、BigChaos の合同チームによって獲得された（これらのアルゴリズムについては今は気にする必要はない）。最終スコアはアンサンブル解法（すなわち、多くのアルゴリズムの組み合わせ）の結果であったが、行列分解アルゴリズムは最終的なブレンドにおいて重要な役割を果たした。Netflix Grand Prize 解法の技術報告書 (Töscher et al., 2009) では、採用されたモデルについて詳細に紹介されている。この節では、行列分解モデルの詳細とその実装について掘り下げる。
21.3.1. 行列分解モデル¶
行列分解は協調フィルタリングモデルの一種である。具体的には、このモデルはユーザー-アイテム相互作用行列（たとえば評価行列）を 2 つの低ランク行列の積に分解し、ユーザー-アイテム相互作用の低ランク構造を捉える。
\(\mathbf{R} \in \mathbb{R}^{m \times n}\) を、\(m\) 人のユーザーと \(n\) 個のアイテムからなる相互作用行列とし、\(\mathbf{R}\) の値が明示的な評価を表すとする。ユーザー-アイテム相互作用は、ユーザー潜在行列 \(\mathbf{P} \in \mathbb{R}^{m \times k}\) とアイテム潜在行列 \(\mathbf{Q} \in \mathbb{R}^{n \times k}\) に分解される。ここで \(k \ll m, n\) は潜在因子の次元である。\(\mathbf{P}\) の \(u^\textrm{th}\) 行を \(\mathbf{p}_u\)、\(\mathbf{Q}\) の \(i^\textrm{th}\) 行を \(\mathbf{q}_i\) とする。あるアイテム \(i\) に対して、\(\mathbf{q}_i\) の各要素は、そのアイテムが映画のジャンルや言語などの特徴をどの程度持っているかを表す。あるユーザー \(u\) に対して、\(\mathbf{p}_u\) の各要素は、そのユーザーがアイテムの対応する特徴にどの程度関心を持っているかを表す。これらの潜在因子は、前述の例のように明白な次元を表すこともあれば、まったく解釈不能なこともある。予測評価値は次のように推定できる。
ここで \(\hat{\mathbf{R}}\in \mathbb{R}^{m \times n}\) は、\(\mathbf{R}\) と同じ形状を持つ予測評価行列である。この予測規則の大きな問題の 1 つは、ユーザー/アイテムのバイアスをモデル化できないことである。たとえば、あるユーザーは高い評価を付けがちであったり、あるアイテムは品質が低いために常に低い評価を受けたりする。こうしたバイアスは実世界のアプリケーションでは一般的である。これらのバイアスを捉えるために、ユーザー固有およびアイテム固有のバイアス項が導入される。具体的には、ユーザー \(u\) がアイテム \(i\) に与える予測評価は次のように計算される。
次に、予測評価スコアと実際の評価スコアの平均二乗誤差を最小化することで、行列分解モデルを学習する。目的関数は次のように定義される。
ここで \(\lambda\) は正則化率を表す。正則化項 \(\lambda (\| \mathbf{P} \|^2_F + \| \mathbf{Q} \|^2_F + b_u^2 + b_i^2 )\) は、パラメータの大きさにペナルティを課すことで過学習を防ぐために用いられる。\(\mathbf{R}_{ui}\) が既知である \((u, i)\) の組は、集合 \(\mathcal{K}=\{(u, i) \mid \mathbf{R}_{ui} \textrm{ is known}\}\) に格納される。モデルパラメータは、確率的勾配降下法や Adam などの最適化アルゴリズムで学習できる。
行列分解モデルの直感的な図を以下に示す。
図 21.3.1 Illustration of matrix factorization model¶
この節の残りでは、行列分解の実装を説明し、MovieLens データセットでモデルを学習する。
import mxnet as mx
from mxnet import autograd, gluon, np, npx
from mxnet.gluon import nn
from d2l import mxnet as d2l
npx.set_np()
21.3.2. モデルの実装¶
まず、上で説明した行列分解モデルを実装する。ユーザーとアイテムの潜在因子は
nn.Embedding で作成できる。input_dim
はアイテム/ユーザーの数であり、output_dim は潜在因子 \(k\)
の次元である。output_dim を 1 に設定することで、nn.Embedding
を使ってユーザー/アイテムのバイアスも作成できる。forward
関数では、ユーザー ID とアイテム ID を使って埋め込みを参照する。
class MF(nn.Block):
def __init__(self, num_factors, num_users, num_items, **kwargs):
super(MF, self).__init__(**kwargs)
self.P = nn.Embedding(input_dim=num_users, output_dim=num_factors)
self.Q = nn.Embedding(input_dim=num_items, output_dim=num_factors)
self.user_bias = nn.Embedding(num_users, 1)
self.item_bias = nn.Embedding(num_items, 1)
def forward(self, user_id, item_id):
P_u = self.P(user_id)
Q_i = self.Q(item_id)
b_u = self.user_bias(user_id)
b_i = self.item_bias(item_id)
outputs = (P_u * Q_i).sum(axis=1) + np.squeeze(b_u) + np.squeeze(b_i)
return outputs.flatten()
21.3.3. 評価指標¶
次に、RMSE（root-mean-square error、二乗平均平方根誤差）を実装する。これは、モデルが予測した評価値と実際に観測された評価値（ground truth）との差を測るために一般的に用いられます (Gunawardana and Shani, 2015)。RMSE は次のように定義される。
ここで \(\mathcal{T}\)
は、評価対象とするユーザーとアイテムの組からなる集合である。\(|\mathcal{T}|\)
はこの集合の大きさである。mx.metric が提供する RMSE
関数を使うことができる。
def evaluator(net, test_iter, devices):
rmse = mx.metric.RMSE() # Get the RMSE
rmse_list = []
for idx, (users, items, ratings) in enumerate(test_iter):
u = gluon.utils.split_and_load(users, devices, even_split=False)
i = gluon.utils.split_and_load(items, devices, even_split=False)
r_ui = gluon.utils.split_and_load(ratings, devices, even_split=False)
r_hat = [net(u, i) for u, i in zip(u, i)]
rmse.update(labels=r_ui, preds=r_hat)
rmse_list.append(rmse.get()[1])
return float(np.mean(np.array(rmse_list)))
21.3.4. モデルの学習と評価¶
学習関数では、重み減衰付きの \(\ell_2\) 損失を採用する。重み減衰の仕組みは、\(\ell_2\) 正則化と同じ効果を持つ。
#@save
def train_recsys_rating(net, train_iter, test_iter, loss, trainer, num_epochs,
devices=d2l.try_all_gpus(), evaluator=None,
**kwargs):
timer = d2l.Timer()
animator = d2l.Animator(xlabel='epoch', xlim=[1, num_epochs], ylim=[0, 2],
legend=['train loss', 'test RMSE'])
for epoch in range(num_epochs):
metric, l = d2l.Accumulator(3), 0.
for i, values in enumerate(train_iter):
timer.start()
input_data = []
values = values if isinstance(values, list) else [values]
for v in values:
input_data.append(gluon.utils.split_and_load(v, devices))
train_feat = input_data[:-1] if len(values) > 1 else input_data
train_label = input_data[-1]
with autograd.record():
preds = [net(*t) for t in zip(*train_feat)]
ls = [loss(p, s) for p, s in zip(preds, train_label)]
[l.backward() for l in ls]
l += sum([l.asnumpy() for l in ls]).mean() / len(devices)
trainer.step(values[0].shape[0])
metric.add(l, values[0].shape[0], values[0].size)
timer.stop()
if len(kwargs) > 0: # It will be used in section AutoRec
test_rmse = evaluator(net, test_iter, kwargs['inter_mat'],
devices)
else:
test_rmse = evaluator(net, test_iter, devices)
train_l = l / (i + 1)
animator.add(epoch + 1, (train_l, test_rmse))
print(f'train loss {metric[0] / metric[1]:.3f}, '
f'test RMSE {test_rmse:.3f}')
print(f'{metric[2] * num_epochs / timer.sum():.1f} examples/sec '
f'on {str(devices)}')
最後に、すべてをまとめてモデルを学習しよう。ここでは、潜在因子の次元を 30 に設定する。
devices = d2l.try_all_gpus()
num_users, num_items, train_iter, test_iter = d2l.split_and_load_ml100k(
test_ratio=0.1, batch_size=512)
net = MF(30, num_users, num_items)
net.initialize(ctx=devices, force_reinit=True, init=mx.init.Normal(0.01))
lr, num_epochs, wd, optimizer = 0.002, 20, 1e-5, 'adam'
loss = gluon.loss.L2Loss()
trainer = gluon.Trainer(net.collect_params(), optimizer,
{"learning_rate": lr, 'wd': wd})
train_recsys_rating(net, train_iter, test_iter, loss, trainer, num_epochs,
devices, evaluator)
train loss 0.065, test RMSE 1.053
54640.6 examples/sec on [gpu(0), gpu(1)]
以下では、学習済みモデルを使って、あるユーザー（ID 20）があるアイテム（ID 30）に付けるかもしれない評価を予測する。
scores = net(np.array([20], dtype='int', ctx=devices[0]),
np.array([30], dtype='int', ctx=devices[0]))
scores
array([3.272006], ctx=gpu(0))
21.3.5. 要約¶
行列分解モデルは推薦システムで広く使われている。ユーザーがアイテムに付ける評価を予測するために利用できる。
推薦システム向けの行列分解を実装し、学習できる。
21.3.6. 演習¶
潜在因子の大きさを変えてみよう。潜在因子の大きさはモデル性能にどのように影響するか？
異なる最適化手法、学習率、重み減衰率を試してみよう。
特定の映画に対する他のユーザーの予測評価スコアを確認してみよう。